[发明专利]一种基于熵值的运动目标检测方法

权利要求书

1.一种基于熵值的运动目标检测方法，其特征是，包括以下步骤：

（1）读入场景图像数据，对场景图像数据进行灰度化处理：

对于一个三分量为R、G、B的彩色图像像素，该点的亮度I按以下公式计算：

I＝0.3B+0.59G+0.11R    （1）

按照公式（1）将彩色的场景图像转换成灰度的场景图像；

（2）标定场景中的监控区域，监控区域为覆盖在输电线路周围的1个以上矩形区域：

（3）对于已标定的各监控区域，分别对其相邻两帧场景图像的灰度图像，依下式做差分运算：

D_k(x,y)＝|f_k+1(x,y)-f_k(x,y)|    （2）

式（2）中，f_k+1(x,y)，f_k(x,y)分别表示第k+1、k帧图像，D_k(x,y)表示差分运算后的图像；

（4）针对上述差分运算结果D_k(x,y)，基于其熵值确定图像分割的最佳阈值：

设定一幅M行N列的灰度图像f(x,y)，f(x,y)表示图像中坐标(x,y)处的像素点的灰度值，灰度级为L(1＜L≤256)，其中f(x,y)的取值范围为[0,L-1]，即：C_L＝{0,1,...,L-1}；

设f_i为图像f(x,y)中灰度级i出现的频数，那么i出现的概率为：

Pi=fiM×N,i∈CL---(3)]]>

假设存在阈值t将图像分割为前景O和背景B，前景O:{f(x,y)≤t}，背景B:{t＜f(x,y)＜L}，归一化变换得到前景和背景的分布：

Fo={p0P(t),p1P(t),···,ptP(t)}---(4)]]>

FB={pt+11-P(t),pt+21-P(t),···,pL-11-P(t)}---(5)]]>

其中表示灰度级0到t-1的概率之和；

根据图像熵的定义：得到前景O和背景B的熵分别为：

Eo=-Σi=0t[pi/p(t)]×ln[pi/P(t)]---(6)]]>

EB=-Σi=t+1L-1{pi/[1-P(t)]}×ln{pi/1-[P(t)]}---(7)]]>

两部分信息熵之和为：

E＝E_o+E_B＝ln{P(t)×[1-P(t)}-H(t)/P(t)-H'(t)/[1-P(t)]    （8）

其中：

P(t)=Σi=0tpi,H(t)=-Σi=0tpiln(pi)]]>

H′(t)=-Σi=t+1L-1piln(pi)]]>

图像的最佳分割阈值为：

Th=Argmaxt∈CL(E)=Argmaxt∈CL(EO+EB)---(9)]]>

即求灰度级i使得式（9）最大，那么该灰度级即为图像分割的最佳阈值；

（5）对经上述最佳阈值进行分割后的图像进行形态学滤波，利用开运算消除图像噪声，利用闭运算填补图像空洞；

（6）对形态学滤波后的图像进行连通区域检测，并对检测到的各连通区域进行标记；

（7）计算步骤（6）中检测到的各个连通区域的面积，取面积最大的连通区域标记为运动目标；

（8）输出运动目标。